Industrie minière : utiliser l’IA pour mieux prédire la nature du sous-sol

Un financement de plus de 379 000 $ servira au développement d’une nouvelle approche d’apprentissage profond pour traiter les informations géophysiques.

En raison des grandes quantités d’informations à analyser lors des phases préliminaires de l’exploration minière, l’interprétation des données représente un défi de taille pour les géologues. Le professeur Erwan Gloaguen de l’Institut national de la recherche scientifique (INRS) et ses partenaires de recherche ont décidé d’ajouter une pierre à l’édifice de ce domaine d’études.

Pour ce faire, ils adaptent les architectures existantes en apprentissage profond, une technique d’apprentissage des machines, afin d’interpréter des données qui proviennent de l’imagerie aéroportée (satellite, avion, hélicoptère).

ANALYSER L’INFORMATION DES IMAGES AEROPORTÉES

En effet, l’étude des sites très vastes et difficiles d’accès passe souvent par ce type d’interprétation. Les outils en intelligence artificielle sont alors de bons alliés pour comprendre ces images aéroportées et générer une pré-interprétation utile aux géologues. Il a été démontré que les réseaux de neurones utilisés en apprentissage profond sont des plus efficaces pour analyser des photographies ou des vidéos.

« Cette étape nous permettra d’utiliser des images acquises par satellite, par avion ou encore par hélicoptère. Les mettre en haute résolution est une phase essentielle, puisque les données ne sont pas standardisées » – Erwan Gloaguen, Professeur de l’INRS

Financé par le Fonds de recherche du Québec – Nature et technologies (FRQNT), en partenariat avec le ministère de l’Énergie et Ressources naturelles (MERN), ce projet servira à analyser toute l’information des images aéroportées pour faire des prédictions de la nature du sous-sol.

Développés dans le cadre du Programme de recherche en partenariat sur le développement durable du secteur minier II, ces algorithmes pourront servir de guides pour cibler les sites d’exploration minière.

DES RÉSEAUX DE NEURONES EN PARALLÈLE

Cette nouvelle approche de l’intelligence artificielle vise à entraîner, en parallèle, des réseaux de neurones traitant chacun un type de variable, telles les données aéromagnétiques ou électromagnétiques. À la fin du processus, un système combinera les prédictions de chaque réseau pour en arriver à une prédiction finale.

Pour ce projet de développement de réseaux, dont la première étape est déjà en cours, l’équipe du professeur Gloaguen peut compter sur les experts en intelligence artificielle appliquée au domaine minier. Elle collabore avec les professeurs Bernard Giroux et Pierre-Simon Ross, de l’INRS, Martin Blouin, de Geolearn (une jeune pousse de l’INRS), Jean-Philippe Paiement, de Mira Geoscience, Guy Desharnais, d’Osisko Gold Royalties et Antoine Caté, de SRK. Elle collabore également avec. L’équipe exploite les données de ces partenaires, en plus de recourir à la plateforme SIGÉOM, qui regroupe les informations géominières du Québec.

Actuellement, le chercheur postdoctoral Mojtaba Bavand Savadkoohi, dans l’équipe du professeur Gloaguen, travaille sur un réseau de neurones capables de mettre toutes les données à la même résolution.

Au cours de la deuxième année du projet, l’équipe a pour intention de monter une architecture de réseaux profonds, puis lui apprendre à reconnaître les données géophysiques, une étape qui s’étalera sur plusieurs mois. La troisième année aura pour objectif d’évaluer le potentiel de généralisation de l’algorithme.

« Nous allons tester le système afin de voir s’il peut être généralisé au territoire québécois ou s’il doit passer par une phase d’apprentissage pour chaque région géologique » – Erwan Gloaguen, Professeur de l’INRS

Source: Institut National de la recherche scientifique (INRS)

Crédit photo image en Une : Artyom Korshunov / Unsplash